Aufmerksamkeitsbasierte Modellierung zur Emotionsdetektion und -klassifizierung in textbasierten Konversationen

Dieses Papier behandelt das Problem der Modellierung textbasierter Konversationen und der Emotionsdetektion. Das von uns vorgeschlagene Modell nutzt 1) tiefes Transferlernen anstelle der klassischen flachen Methoden der Wortvektoren (word embedding); 2) Selbst-Aufmerksamkeitsmechanismen, um sich auf die wichtigsten Teile der Texte zu konzentrieren; und 3) eine modellbasierte, auf Sprechzyklen ausgerichtete Konversationsanalyse zur Klassifizierung von Emotionen. Der Ansatz basiert nicht auf manuell erstellten Merkmalen oder Lexika. Unser Modell wurde anhand der Daten des SemEval-2019 Shared Tasks zur kontextuellen Emotionsdetektion in Text evaluiert. Die Ergebnisse des Modells sind sehr wettbewerbsfähig.